基于最優(yōu)化估計的ATM智能化選址模型研究

徐 崚 峰

(中國民生銀行 北京 100031) (清華大學經濟管理學院 北京 100084)

基于最優(yōu)化估計的ATM智能化選址模型研究

徐 崚 峰

(中國民生銀行 北京 100031) (清華大學經濟管理學院 北京 100084)

ATM布設是一項系統(tǒng)工程。如何在合理的區(qū)域布設ATM，以及在控制ATM投放數(shù)量和成本的前提下盡可能地覆蓋更多的客戶，成為了商業(yè)銀行提升品牌實力和服務覆蓋面的競爭焦點。提出一種基于最優(yōu)化估計的ATM智能化選址算法，通過建立新增地域覆蓋度、取款活躍度模型，及綜合考慮交通便利性、運營成本、安全性等多個維度，對大量候選地址進行量化計算，并利用可視化技術建立ATM布放推薦圖，為商業(yè)銀行ATM布放提供精準決策支持。

ATM選址 網點布局 數(shù)據(jù)挖掘 可視化

0 引 言

自助服務在金融領域的重要性日趨顯著。通過對網上銀行，手機銀行以及ATM網點的建設，商業(yè)銀行能夠給客戶的金融活動提供便利。當前，國內自助業(yè)務發(fā)展水平較高的商業(yè)銀行，其ATM業(yè)務的交易量和業(yè)務金額雙雙突破30%[1]，充分顯示ATM已成為一個重要的交易渠道。ATM網點建設不僅可以分流銀行柜面業(yè)務，降低運營成本，也能提升銀行的金融服務效率，增強客戶的忠誠度。2014年中國的ATM保有量已超過歐美國家，成為全球第一大市場，但從人均保有量來看仍有較大的差距?？梢灶A見，未來一段時間都是商業(yè)銀行布設更多ATM的熱潮。

針對ATM布設，曹景陽[2]提出了“彌補網點不足，延長服務時間”的兩項原則，并要在地理位置好、交易量大的地點進行布設。工商銀行深圳分行[3]提出了盡可能靠近人流節(jié)點，并設定了統(tǒng)一區(qū)域ATM布機數(shù)量的規(guī)則。顏琦[4]則通過分析郵政ATM使用情況及實地勘察，根據(jù)進學校、進社區(qū)、進商廈和末位淘汰原則，進行ATM的布局調整。Amin Vafadarnikjoo[5]等將銀行網點的選址因素歸納為人口密度、公共設施便利性、交通、同業(yè)競爭、費用，以及靈活性六個方面，建立一種基于直覺模糊理論的實驗評價及決策模型(IFDEMATEL)來輔助選址專家組進行選址決策。周曉東[6]建立質量功能展開(QFD)模型，找出商業(yè)銀行網點客戶需求及商業(yè)銀行選址的關鍵服務質量技術特性，通過相關矩陣對兩個因素進行對接，幫助銀行進行決策。以上選址方法中，主要采用實地考察和專家打分的方式，去判斷哪些區(qū)域是人流節(jié)點，哪些區(qū)域會產生大交易量。由于投入資源和成本的限制，這些方法所調研區(qū)域的數(shù)量會比較有限，同時，主觀判斷和實地考察多依賴于考察人員的從業(yè)經驗和主觀意愿，不適合大規(guī)模推廣，且判斷的準確性往往具有一定的偏差[7]。陳中武[8]通過對服務效率函數(shù)的構造，引入影響網點品質吸引力的效用函數(shù)和空間交互模型，建立了競爭環(huán)境下銀行網點的選址模型。該模型主要基于服務效率、網點吸引力以及網點競爭力等要素進行建模，并通過貪婪算法對模型進行求解，但文中未明確效率函數(shù)感知因素的計算方式，缺乏實用性和推廣基礎。

基于上述問題，本文提出一種利用最優(yōu)化估計算法的ATM智能化選址算法，對大量的候選地址進行量化計算并生成ATM布放推薦圖。商業(yè)銀行可以根據(jù)需求從推薦圖中篩選出熱門地址，縮小布放地址的可選范圍，減少調研成本。同時，本文提出的算法利用大量的真實業(yè)務數(shù)據(jù)測算了區(qū)域內客戶的活躍情況，相比傳統(tǒng)調研的方式更為精確。實際運用中，可通過結合主觀經驗和本文提出的智能化選址算法，為商業(yè)銀行進行ATM布放提供精準決策支持。本文主要有三大創(chuàng)新點：第一，通過結合商業(yè)銀行實際需求，利用大量外部數(shù)據(jù)量化選址問題的各項要素；第二，將ATM選址問題抽象為最優(yōu)化估計問題并形成可視化推薦圖，幫助商業(yè)銀行決策分析；第三，提出一種利用存量活躍ATM作為測試集進行準確性驗證的實驗方法，檢驗算法的有效性。

1 ATM智能化選址模型研究

ATM作為自動化程度高、價格昂貴的金融自助服務設備，價值動輒幾十萬元。在進行ATM布設時，商業(yè)銀行需基于成本考慮，使其布設的有限數(shù)量的ATM最大化地服務于銀行客戶。ATM選址的主要考慮因素為地域覆蓋度、布設區(qū)域的取款活躍度、交通便利程度、安全性、租金、運營成本、廣告效應、服務效率、公共服務便利性等[9-10]。本文提出一種智能化的選址方法，利用商業(yè)銀行的現(xiàn)有數(shù)據(jù)，對布設ATM的考慮因素進行量化分析，分別建立新增地域覆蓋度模型、取款活躍度模型及其他因素模型，進而建立基于大數(shù)據(jù)技術的ATM智能化選址模型。

1.1 新增地域覆蓋度模型

商業(yè)銀行布放ATM有兩種情形。第一種是由于銀行經營網點的現(xiàn)有ATM不能有效滿足業(yè)務需求，直接在該地點增設ATM；第二種是在新的區(qū)域布放ATM，以便于更好地覆蓋人群。第一種情形可通過對本行ATM機的交易頻次，交易金額進行統(tǒng)計，篩選出其中交易量過大的設備，然后根據(jù)物理條件和投入產出比進行ATM布設決策。本文所提出的方法是針對第二種情形。這種情況下，當新增一臺ATM時，會考慮新增機器與現(xiàn)有機器的空間距離。一般而言，新增ATM應盡量覆蓋更多的人群。如果新增ATM布放位置距現(xiàn)有ATM距離太近，就會產生覆蓋地域重合，不能很好利用新增ATM提高人群的覆蓋度。理想狀態(tài)下，應該將各臺ATM盡量分散，以確保利用有限數(shù)量的ATM盡可能覆蓋更多的區(qū)域。本文提出了一個新增地域覆蓋度模型，利用ATM空間布局特點，量化新增一臺ATM對應的新增地域覆蓋程度。

現(xiàn)有的每一臺ATM器都有一個實際的物理地址。首先利用地址解析算法[11]將地址信息轉換成經緯度信息。選取某一參考點作為坐標原點，可進一步將經緯度信息轉換成空間位坐標置，并以此計算ATM的空間距離。設某區(qū)域現(xiàn)有N臺ATM，編號分別為(1,2,…,N)，分別對應的空間坐標位置為(u1，u2，…，uN)。其中ui為一個2維矢量，兩個維度分別代表第i臺ATM相對于坐標原點的橫向坐標距離與縱向坐標距離。令新增ATM的坐標位置為x，則新增機器與現(xiàn)有的第i臺ATM的歐式空間距離為|x-ui|。本文提出的算法計算新增機器與距離其最近的一臺現(xiàn)有ATM距離，并以此為依據(jù)來計算新增ATM地域覆蓋度。

圖1顯示了兩種不同的ATM布局對比。其中ui為現(xiàn)有的第i臺ATM位置，x為計劃新增的機器位置，圓圈為ATM的地域覆蓋面積。圖1(a)中，新增機器與現(xiàn)有機器距離比較近，兩臺機器的地域覆蓋面積有很大重合。這種情況下，新增的覆蓋地域為藍色區(qū)域。圖1(b)中，新增機器與現(xiàn)有機器距離較遠，使得新增的覆蓋地域大于圖1(a)。

圖1 兩種不同的ATM布局對比

本文采用二元正態(tài)分布的概率密度函數(shù)去估計每臺ATM的地域覆蓋度：

(1)

其中：σ為正態(tài)分布方差，a為當前ATM的坐標位置，b為空間上的一個坐標變量。當b距離a較近時，ψ(a,b)會比較大，反之亦然。根據(jù)式(1)，新增ATMx與現(xiàn)有的第i臺ATM交叉覆蓋的概率為：

(2)

當新增ATM附近有多臺本行ATM時，可能會產生多重覆蓋。為減少計算復雜度，本文選取離新增機器最近的一臺ATM來計算兩者的交叉覆蓋度，進而計算在位置x新增一臺ATM所新增的地域覆蓋度：

g(x)=1-Ψk(x)

(3)

其中:i∈1,2,…,N，k為距離新增機器最近的一臺現(xiàn)有ATM的編號。當新增的ATM與現(xiàn)有ATM距離較遠時，式(3)中g(x)會接近于1，表明新增地域覆蓋度非常大。當新增機器與現(xiàn)有機器的距離很近，則地域重合度較高，對應的g(x)會比較小。因此，在其他條件相同的情況下，我們希望最大化g(x)，以便于利用有限的ATM器盡可能擴大地域的覆蓋面。

1.2 取款活躍度模型

ATM通常布設在人流較大的地方，比如酒店、商場、飯店、超市、機場、車站、碼頭、學校、企業(yè)、寫字樓、電影院、居民區(qū)、娛樂中心、24小時便利店等。由于成本原因，銀行不可能在每個地方都進行ATM布設。因此，如果能從這些區(qū)域中尋找出最熱門的區(qū)域并布設ATM，則能取到事半功倍的效果。本文提出了一種利用大數(shù)據(jù)技術定位熱門區(qū)域的算法，從而建立相應的取款活躍度模型。

當用戶使用銀行卡在ATM進行操作時，銀聯(lián)的數(shù)據(jù)系統(tǒng)會記錄下操作時間、地址及金額等信息。這些信息會通過接口傳送到該銀行卡對應的銀行。利用銀聯(lián)的交易流水信息，商業(yè)銀行可以查詢到本行的銀行卡在ATM的所有操作記錄，這些信息可以幫助銀行定位熱門存取款區(qū)域。商業(yè)銀行擁有的ATM操作記錄分為兩部分。第一部分是本行ATM的存取款記錄。這些信息可幫助分析本行ATM的使用效率，比如尋找其中使用頻次及數(shù)額比較高的ATM，進行服務的優(yōu)化和提升。篩選出其中使用效率低的機器，進行實地的分析和考證，找出具體原因并做出改進。第二部分數(shù)據(jù)是本行銀行卡在他行ATM的存取款記錄，包含了存取款數(shù)額、頻次以及對應的ATM地址。本文研究如何在新的區(qū)域鋪設ATM。這些區(qū)域無本行ATM，因此，他行ATM的存取款信息對銀行考慮是否在該區(qū)域布設ATM具有重要意義。利用ATM存取款的活躍度，構建出ATM存取款熱力圖，可為本行新增ATM的鋪設提供建議。本文將利用本行銀行卡在他行ATM進行的取款記錄進行建模，構建出取款活躍度模型。

令M為某一區(qū)域內的他行ATM個數(shù)，為其中的第i臺機器，其對應地址為vi。對本行銀行卡在一段時間內的取款次數(shù)及額度進行統(tǒng)計，可獲得在第i臺機器上的累計取款次數(shù)pi及累計取款數(shù)額qi。針對第i臺機器，我們構建基于地理位置a的取款活躍度模型：

(4)

hi(a)為一個二維正態(tài)分布密度函數(shù)與(αpi+βqi)的乘積。其中，(αpi+βqi)表示取款次數(shù)及數(shù)額的綜合活躍度。通過對客戶在他行ATM的取款行為進行量化分析并計算活躍度，其中α及β分別為次數(shù)及數(shù)額對應的價值系數(shù)。當取款次數(shù)越多，則活躍度值hi(a)越大；取款數(shù)額越大，活躍度hi(a)越大。式(4)中，當a距離第臺機器越近，則活躍度hi(a)越高。其活躍度隨著距離該臺ATM的距離增大而衰減。通過累計所有M臺機器的活躍度，我們可以得到該區(qū)域的整體取款活躍度模型：

(5)

H(a)量化一個區(qū)域的取款活躍度值。當有很多客戶都在一個區(qū)域的多臺ATM進行取款，通過將這些機器的會閱讀累加，位置a所對應的H(a)會比較大。根據(jù)式(1)中每臺機器的地域覆蓋概率，可計算出在位置x布設一臺ATM覆蓋區(qū)域內的累計活躍度：

(6)

式(6)累計了在一個區(qū)域內的取款活躍度，代表了假設在位置x布設一臺ATM機器的取款活躍度。對于一些取款活躍度高的區(qū)域，比如熱門商圈、人流量較大的地鐵站等，在位置x布設一臺ATM機器，其對應的存款熱點值r(x)會比較大。如果能在該區(qū)域的合理位置布置的ATM，將為持卡客戶帶來便利性，增加客戶粘性。

1.3 其他影響因素

在實際運營中，布設一臺ATM還需要考慮多種其他因素，如運營成本、交通便利性、安全系數(shù)、推廣人群等。ATM可分為在行式與離行式兩類[12]。在行式是指設在銀行網點的ATM，線路、添鈔等日常業(yè)務工作更容易處理，而且直接分流了本應在柜面辦理業(yè)務的客戶。因此，在行式ATM的運營成本相對比較低。離行式是指設在網點之外的ATM，主要包括酒店、商場、車站、學校、寫字樓、居民區(qū)等。由于其所處位置不同，運營的成本也有所不同。對于一些熱門商圈及交通樞紐，ATM所處位置的租金成本會比較高昂；而對于一些學校和居民區(qū)等位置，租金成本會相對低一些。

交通便利性也是布設ATM的一個重要因素。在交通便利的區(qū)域設置ATM，能夠為持卡人存取款提供便利，增強客戶粘性。此外，不同區(qū)域的安全保障性也不同，對于商場、酒店等安全系數(shù)較高的地方，ATM安全保障支出也會相對較低；對于街邊的ATM，其所需要的安全投入會較大。通過對運營成本估算、交通便利性、安全性等各個方面考察，可以對多個候選地址進行打分，本文用z(x)表示這些方面的綜合推薦度，即z(x)包含交通便利性因素、租金因素、運營成本因素、安保因素、公共設施便利性因素、廣告因素及其他因素等。其中，交通便利性、租金、運營成本因素可通過客觀數(shù)據(jù)進行量化，其他因素可通過專家評分法進行打分。交通便利性為w1exp(-d(x))。w1為交通便利性因素的權重，d(x)為從備選地址x到最近街道的距離。租金因素和運營成本可通過實際租金數(shù)據(jù)來計算，即w2exp(-c(x)),w2為對應要素的權重，c(x)為租金及運營成本總和。安保因素、公共設施便利性及廣告因素可通過專家打分法進行打分。由于備選地址較多，實際運用中可先由客觀數(shù)據(jù)篩選出部分候選地址，再由專家組進行打分[6]。

1.4 ATM智能化選址模型

綜合考慮新增地域覆蓋度，熱門取款區(qū)域以及運營成本、交通便利、安全系數(shù)、推廣人群等多方面信息，本文構建了如下ATM智能化選址推薦函數(shù)：

f(x)=g(x)+r(x)+z(x)

(7)

其中，g(x)是新增地域覆蓋度模型，表示在位置x新增一臺ATM所提升的地域覆蓋度。r(x)是取款活躍度模型，表示在位置x新增一臺ATM所能增加的取款活躍度。z(x)則綜合了運營成本、交通便利、安全系數(shù)等其他考慮因素。通過計算式(7)的最大值，可得出在一個區(qū)域內的最優(yōu)ATM布設地址x*：

(8)

x*代表了綜合考慮新增ATM的地域覆蓋度，取款活躍以及交通便利性、運營成本、安全性等多個維度后的最優(yōu)布放地點。在實際應用中，可以計算出使得f(x)較大的多個候選地址，經過實地考察和綜合論證，從候選地址中選擇新增ATM的布放地址。

2 基于ATM智能化選址模型的實證分析

本文以我國B市為例，采用上述方法及步驟對ATM智能化選址模型進行實證分析，以驗證其在實踐中的適用性。實驗驗證數(shù)據(jù)采用商業(yè)銀行3個月的真實數(shù)據(jù)，并應用可視化技術，將ATM智能化選址的模型數(shù)據(jù)直接在二維地圖中展示，為商業(yè)銀行的ATM布設提供直觀數(shù)據(jù)支持。

圖2為B市某地區(qū)的交通地圖。根據(jù)數(shù)據(jù)統(tǒng)計，截至2016年9月末，該區(qū)域內本行ATM數(shù)量為7臺，他行ATM數(shù)量為79臺。7-9月內該區(qū)域內通過本行銀行卡在該區(qū)域內的ATM取款記錄總計42 091次。

圖2 B市某地區(qū)交通地圖

圖3展示了利用式(3)計算該地區(qū)的新增地域覆蓋度結果。圖中顏色深的區(qū)域表示地域新增覆蓋度較小，顏色淺的區(qū)域表示該地區(qū)新增覆蓋度較大。圖3中，7個顏色較深的區(qū)域分別為本行現(xiàn)有7臺ATM的布放地址。當布設地址距離本行現(xiàn)有ATM較近時則顏色較深，表示在現(xiàn)有的本行ATM附件進行布設產生的新增地域覆蓋度較小。當布設距離遠離現(xiàn)有ATM地址時，顏色逐漸變淺，表示新增地域覆蓋度逐漸變大。由圖中地域覆蓋度結果展示可見，在淺色區(qū)域布放ATM，與本行現(xiàn)有ATM的距離交叉較少，將有效增加本行ATM的地域覆蓋度。

圖3 新增地域覆蓋度可視化展示

圖4展示了利用式(6)計算的取款活躍度展示其主要根據(jù)客戶的實際取款行為，描述區(qū)域內不同地址的客戶取款活躍程度。圖中深色區(qū)域表示客戶取款活躍度較低，淺色區(qū)域表示客戶取款活躍度較高。當前我國很多商業(yè)銀行出臺了借記卡在他行取款一定條件下免手續(xù)費的相關政策，客戶在取款時，很多時候選擇就近的他行ATM進行取款。因此，對于有免他行取款手續(xù)費的商業(yè)銀行，其客戶在他行的取款記錄能有效展示客戶在該區(qū)域的實際取款需求。本文提出的取款活躍度模型，能將客戶的取款時間、頻次、金額以及地點進行量化，精確計量不同地點的客戶取款活躍度，為ATM布設提供數(shù)據(jù)支持。

圖4 取款活躍度可視化展示

圖5展示了將交通便利性、運營成本、安全性等多個維度進行量化的可視化地圖。在本文實驗中，提取了二維地圖中的街道坐標數(shù)據(jù)，通過計算每一個候選地址距離最近街道的距離，轉換為交通便利性指標。租金成本由世聯(lián)評估提供的數(shù)據(jù)計算，運營成本由民生銀行各區(qū)域的平均運營數(shù)據(jù)進行推算。其他因素，如安保、公共設施便利性、廣告效應等，在本文實驗中采用主觀打分的方式。圖5淺色區(qū)域代表綜合考慮上述因素后推薦值較高的區(qū)域，深色區(qū)域則表示推薦值較低的區(qū)域。

圖5 其他因素可視化展示

根據(jù)式(7)，將新增地域覆蓋度、取款活躍度以及交通、運營成本、安全性等其他因素分別進行建模和量化。圖6展示了綜合考慮各項因素后的智能化選址模型可視化展示結論。圖中，利用顏色的深淺表示該區(qū)域的ATM布設推薦度：顏色越淺，推薦度越高，反之亦然。由圖6可見，推薦值較高的區(qū)域通常有以下特點：取款活躍度較高，距離現(xiàn)有ATM有一定距離，交通便利等。實際應用中，商業(yè)銀行可根據(jù)可視化模型，從中選擇多個候選區(qū)域進行實地考察，最終選擇ATM布設地點。

圖6 智能化選址模型可視化展示

為驗證選址模型的準確性，本文通過民生銀行現(xiàn)有的活躍ATM選址數(shù)據(jù)進行了驗證。具體驗證方法為：首先選擇T-6個月至T時間段內新鋪設的ATM機器，并從中選擇日均交易筆數(shù)超過20筆的活躍ATM機器作為驗證集；將時間窗口規(guī)定為T-12個月至T-6個月，利用本文提出的算法，將地圖劃分為10 km×10 km的區(qū)域后，計算各區(qū)域中的最優(yōu)選址地點。假設最優(yōu)地點放置ATM后，其周圍地點的新增地域覆蓋度將減少。因此，選擇次優(yōu)推薦地點時，需模擬最優(yōu)選址地點已放置一臺活躍ATM，通過本文算法再次計算最優(yōu)選址地點，此刻的地點即該區(qū)域內的次優(yōu)選擇地點。模擬最優(yōu)和次優(yōu)地點放置ATM，再次計算下一個推薦地址，以此往復，可得出區(qū)域內多個推薦地點。當推薦地點距離作為驗證集的活躍ATM一公里以內，則認為模型推薦準確，否則推薦錯誤。圖7顯示了模型的準確率。

圖7 智能化選址模型準確率

如圖7所示，當采納模型推薦的1個地點時(即最優(yōu)地點)，將覆蓋51%的活躍ATM。采納模型推薦的2個地點時(即最優(yōu)和次優(yōu)兩個地點)，準確率將達到65%。推薦點達5個時，準確率已基本收斂，達78%。由此可見，本文提出的算法具有較高的準確性。實際運用中，將地圖劃分為10 km×10 km的區(qū)域，利用算法計算出5個推薦點，再結合人工經驗，進行ATM選址決策。

3 結 語

本文提出一種基于大數(shù)據(jù)技術的ATM智能選址方法，對ATM布設時考慮的新增地域覆蓋度、取款活躍度、交通便利度、運營成本等因素進行量化建模，并用可視化技術在二維地圖展示了ATM布設推薦圖。商業(yè)銀行可根據(jù)推薦圖進行候選地址篩選，在減少大量人工調研成本的同時，為商業(yè)銀行的ATM布設提供數(shù)據(jù)化可視化的決策支持。

[1] 蔡寧偉.商業(yè)銀行如何聯(lián)動提升ATM的運營服務水平[J].中國金融電腦,2015(2):73-77.

[2] 曹景陽.如何搞好ATM建設[J].中國信用卡,2002(11):68-72.

[3] 中國工商銀行深圳市分行發(fā)展規(guī)劃部課題組.深圳分行ATM布局規(guī)劃研究報告[J].金融管理與研究:杭州金融研修學院學報,2003(3):27-28.

[4] 顏琦.關于郵政ATM資源整合優(yōu)化的探討[J].郵政研究,2005,21(2):19-20.

[5] Vafadarnikjoo A,Mobin M,Allahi S,et al.A hybrid approach of intuitionistic fuzzy set theory and dematel method to prioritize selection criteria of bank branches locations[C]//American Society for Engineering Management 2015 International Conference,2015:1185-1192.

[6] 周曉東,劉娜, 蔡文.基于QFD的商業(yè)銀行網點選址應用研究[J].經營管理者,2015(4):2-3.

[7] 龔玉霞,吳育華.ATM機選址的三角模糊數(shù)綜合評價方法[J].工業(yè)工程,2005,8(6):104-107.

[8] 陳中武.銀行網點選址優(yōu)化問題研究[D].華中科技大學,2013.

[9] Farahani R Z,Steadieseifi M,Asgari N.Multiple criteria facility location problems:A survey[J].Applied Mathematical Modelling,2010,34(7):1689-1709.

[10] Rogers W A,Cabrera E F,Walker N,et al.A survey of automatic teller machine usage across the adult life span[J].Human Factors:The Journal of the Human Factors and Ergonomics Society,1996,38(1):156-166.

[11] 孫亞夫,陳文斌.基于分詞的地址匹配技術[C]//中國地理信息系統(tǒng)協(xié)會年會,2007.

[12] 蔡寧偉.中國ATM布設選址現(xiàn)狀、問題和對策分析[J].中國金融電腦,2010(8):46-49.

RESEARCHONINTELLIGENTLOCATIONMODELOFATMBASEDONOPTIMALESTIMATION

Xu Lingfeng

(ChinaMinshengBank,Beijing100031,China)(SchoolofEconomicsandManagement,TsinghuaUniversity,Beijing100084,China)

Facility location work for Automatic Teller Machine (ATM) is a systematic project. How to allocate ATM in a reasonable area and cover more customers as much as possible under the control of quantity and cost of ATM delivery? These problems have become the focus of competition for commercial banks to enhance their brand strength and service coverage. We propose a novel algorithm for facility location of ATM based on an optimal estimation algorithm. By constructing the area-covering model, money-withdraw active degree model and considering the factors such as traffic, operating costs, security, we estimate the recommend degrees for all candidate locations of ATMs and show them on maps by visualization technology. Our method can provide the commercial banks with precise decision support for facility location of ATM.

ATM facility location Network layout Data mining Visualization

2016-12-25。徐崚峰，博士后，主研領域：人工智能，信號處理，數(shù)據(jù)挖掘，網點布局。

TP391

A

10.3969/j.issn.1000-386x.2017.11.048